    SmolLM 27B Llama 3.2 1B Danube21 8B Phi-2 3B Phi-1.5 Gernma2 2.6B Llama3.2 3B Phi-3.5 3.8B Llama3.1 8B Mistral 7B Mixtral 47B A13B Qwen2 57B A14B Gemma2 27B Llama3.1 70B Jamba1 1.3B Stable LM 21.6B RWKV6 1.6B Recurrent Gemma2 2.7B 活跃参数量 MMLU-Pro 测试分数 1B 2B 3B 7B 8B 14B 27B 70B 100B 10 20 30 40 50 60 LFM 1.3B LFM 3B LFM 40B MoE (A12B)    展望未来，人工智能技术将继续深

人工智能开发者 Song 等人， 人工智能使用者 Song 等人， 多厂 人工智能使用者 人工智能的运用有可能影响全球40%的就业。在发达经济体中，约有三分之一的岗位 面临AI自动化的威胁，而大约27%的工作有可能通过AI增强，即提高人的能力而不是替 代他们。发达经济体的劳动力面临更大的风险，因为他们的许多工作涉及认知任务。 然而，他们比新兴经济体和低收入经济体更有条件利用AI的益处（图6）。当考虑通用 智能的依赖性更高 ，但它们利用其优 势的潜力也更大， 因为通用人工智能 为劳动力增加提供 了更多机会。 图5 人工智能的使用可以提高企业的劳动生产率。 9 8 18 16 24 27 33 0.4 1.8 11.4 13.7 13.2 5.5 来源：联合国贸易和发展会议（UNCTAD）。 （人工智能暴露的就业份额，按国家分组；百分比） 更大的增强机会 （b）暴露于通用人工智能（GenAI）的就业份额 ↓ 26 18 5 12 34 9 12 ↑ 27 11 28 1 116 10 14 ↑ 7 21 8 24 19 21 28 ↑ 101 64 1 6 3 33 33 = 41 29 17 72 63 36 48 ↑ 99 113 3 10 70 38 40 ↑ 38 59 18 50 41 52 51 ↓ 76 71 41 55 27 来源：联合国贸易和发展会议（UNCTAD）。

................................................... 27 6.6.1 ��������������� .................................................................. 27 6.6.2 ������������ .............................. IP����������� DeepSeek R1 DeepSeek V3 模型C 模型D 模型E ������������������������������������������ 27 2) ���研�� IP ����������DeepSeek�R1 � DeepSeek�V3 �������� ������������������������ C ������告��

AI 时代，有望构成国内电力需求新增长极 相比美国，中国虽然互联网大厂在过去 2 年资本开支有 12%的复合增长，但 仅为美国同行增速的不到三分之二、总量的不到十分之一。根据 IDC 预测 2025-27 年国内人工智能服务器工作负载中超过 70%将用于推理，仅不到 30%为训练，因此即使 DeepSeek 大幅下降训练算力，对国内冲击相对较小。 根据信通院，截止 2022 年末中国算力规模 302EFlops，结合主要云厂资本开 快。这将带来供配电解决方案的技术迭代加速从传统 UPS 向 HVDC，以及 未来巴拿马电源和 SST 的效率更高模式发展。我们预计国内 AI 配套电力设 备市场空间 2026 年将达到 437 亿元，对应 2024-26 年复合增速 27%，其 中 HVDC，锂电池和服务器电源将实现更快增长，分别达到 77%/58%/36%。 AI 算力+双碳政策，中国绿色算力提升新能源需求端消纳 与海外不同，中国电网更加稳定，并不需要大量分布式电源直连去实现稳定 GDP 二氧化碳排放降低 18%的目标约束下，我们预计各地算力中心将积极消纳新能源。对应到数据 中心建设对新能源消纳的拉动，我们估算 2024-26 年每年 6~9GW 的数据中 心建设将带来 18~27GW 的本地新能源消纳能力。 投资建议： 看好国内数据中心建设带来的电源国产替代机会，以及技术迭代加速后 HVDC 以及巴拿马电源和 SST 的发展机遇。产业链标的包括：欧陆通，中 恒电气，

图1：数据问题和技能不足成为了最严峻的挑战 表示在应用人工智能时面临以下挑战的银行占比 安全和数据隐私问题 38% 员工缺乏使用人工智能所需的技能或专业知识 33% 难以衡量投资回报 30% 道德风险 28% 数据孤岛 27% 各部门之间缺乏沟通和协调 26% 预算限制或投资不足 24% 缺乏领导层的支持和理解 23% 员工抵制变革及不愿使用人工智能工具 23% 法律/监管限制 23% 数据质量较差 22% 34% 31% 获得显著的市场竞争优势 改善决策 改善数据管理（如数据质量、数据保护等） 推动创新和新产品开发 改善利益相关方管理（如供应商、客户等） 29% 支持可持续发展和环境目标 27% 优化财务规划和预测 26% 贵行希望通过使用人工智能实现以下哪些目标？（最多选五项），n=183 资料来源：《智慧银行：以人工智能驱动转型并创造价值》，毕马威国际，2025年 调研结论 打造智慧银行 人力资源 信息技术 后台 中台 前台 58% 69% 57% 54% 62% 58% 63% 70% 69% 64% 30% 5% 28% 4% 24% 7% 32% 4% 27% 14% 27% 11 % 41% 5% 33% 9% 26% 5% 34% 7% 资料来源：“生成式人工智能机遇量化”（Quantifying the GenAI opportun

业开始采用专用 AI 模型，并 将其与开源和敏捷模式相结合，成本将开始缩减。在未来三年内，受访高管们预计其AI 模型组 合中的开放模型将比现在多 63%，这将在降低开发成本方面发挥巨大作用。 27 尽管目前为止，收入增长一直是衡量生成式 AI 成功与否的关键有效指标，但从长远来看，这将 成为企业衡量差异化优势的主要方式。但是，要达到所期望的收入和 ROI 指标，领导者必须根 据数据做出决策，确定哪些生成式 AI and innovation spend pulse (AI Academy) survey of 200 US executives. Final data. August 2024. 27. The CEO’s guide to generative AI: AI model optimization. IBM Institute for Business Value. July 上注册以接收 IBV 的 电子邮件通讯。您可以通过 https://ibm.co/ ibv-linkedin 在 LinkedIn 上联系我们。 2025 年五大趋势：人智共创未来 点燃创新纪元 27 © Copyright IBM Corporation 2024 国际商业机器（中国）有限公司 北京市朝阳区金和东路 20 号院 3 号楼 正大中心南塔 12 层 邮编：100020

314 473 569 703 914 1,235 1,721 智能算力1 通用算力2 单位：EFLOPS 注：1.智能算力基于FP16计算；2.通用算力基于FP64计算。 27 资料来源：中国政府网，灼识咨询 算力中心行业相关政策梳理 能源政策：“3060”双碳目标下，算力中心行业高耗能问题亟待缓解 东数西算：驱动算力中心行业合理化布局，避免无序竞争 ➢ 在京津冀、 年前五大需求分布 2025-2028 年前五大供给分布 单位：MW 2025-2028 年累计需求分布（地区占比、累计需求） 2025-2028 年累计供给分布（地区占比、累计供给） 需求方二 27% (156) 需求方五 40% (229) 需求方四 9% (48) 其他 24% (136) 供给方三 17% (203) 供给方七 16% (192) 供给方八 19% (228) 40 39 30 32 37 37 2025 2026 2027 2028 需求方二 需求方五 需求方四 53 50 50 50 36 38 36 31 21 27 38 48 32 19 27 26 9 10 10 10 2025 2026 2027 2028 需求方四 需求方三 需求方二 需求方五 需求方一 42 52 62 72 49 50

............................26 图表 22 固态研发传统研发方法与自动化方法关键步骤对比..................................... 27 图表 23 2022-2024 医疗 AI 领域不同细分领域融资情况............................................33 图表 24 2023 年—2024 成本的同时维持研发。 作为国内 AI 药物管线进展最快之一的埃格林医药，其核心管线 EG301、501、101 均借 助 AI 技术实现了降本增效。埃格林医药表示，通过 AI 技术优化临床试验设计，新的策 27 略只需进行 100 人规模的关键性临床试验，而原方案预计需要 500 人。 具体来说，在进入临床二三期试验阶段，由于对入组病人数量要求增多，花费巨大，埃 格林医药利用 AI 技术对疾病模型进 达 43.64%。 图表 25 2024 年 MNC 企业合作研发或授权的部分合作整理（上） 36 图表 26 2024 年 MNC 企业合作研发或授权的部分合作整理（中） 37 图表 27 2024 年 MNC 企业合作研发或授权的部分合作整理（下） 资料来源：公开信息整理 截至 2024 年 9 月 5 日，辉瑞、艾伯维、BMS、礼来、武田制药、诺和诺德、罗氏、默 克和诺华均与

最具有影响力的编码助手和代理工作流程等领域的创新 ——它们的全面影响潜力正在准备深入得多。 2024年9月，马克·贝尼奥夫宣布Salesforce将“硬转向” 至Agentforce，一个用于构建和部署自主人工智能代理 的平台。 27 这规模的企业如此转变是罕见的。但Sale sforce认识到一个具有突破性和威力的观点，这是每家 公司都需要认识的： 这些人工智能模型不仅有可能在现有业务流程之上实现 自动化，它们还将很快创造新的流程、工作流程和软件 。如果处理不当，企业可能会看 到其品牌的魔力被掩盖。如果处 理得当，这将标志着客户关系和 信任新时代的开始。 技术愿景2025 | 人工智能：自主宣言 您的面孔，在未来 27 27 技术 • 精确数据与上下文 • 多模态模型 • 拟人化人工智能 企业显然渴望将生成式AI和更高的自主性引入面向客户 的角色。但为了以这种方式加强——而不是损害——与 客户的联系，他们需要深入理解让聊天机器人超越通用 劳动力市场和人工智能的演变。（未注明日期）。转换资本： https:// conver sioncapital.com/the-evolution-of-labor-markets-and-ai/ 27. Goldman, S. (2024, September 5).Marc Benioff宣布了向自主人工智能代理的“硬转 向”。这对于Salesforce在生成式人工智能时代繁荣昌盛是否足够？《财富》杂志：

14 图表 26： 丁酮-液化气（元/吨） ................................................................. 14 图表 27： 环氧丙烷-丙烯（元/吨） ............................................................... 15 图表 28： MEG 价差（元/吨） 图表26：丁酮-液化气（元/吨） 来源：Wind、百川资讯、国金证券研究所 来源：Wind、百川资讯、国金证券研究所 行业周报 敬请参阅最后一页特别声明 15 图表27：环氧丙烷-丙烯（元/吨） 图表28：MEG 价差（元/吨） 来源：Wind、百川资讯、国金证券研究所 来源：Wind、百川资讯、国金证券研究所 图表29：本周（2